PRUEBA CHI-CUADRADO DE BONDAD DE AJUSTE- PRUEBA DE INDEPENDENCIA Y
HOMOGENEIDAD DE PROPORCIONES
Prueba Chi-cuadrado de Bondad de Ajuste:
1. La empresa de investigación de mercado D&J S.A. hizo un estudio para determinar la opinión de los
televidentes sobre un nuevo programa humorístico. Se tomó una muestra aleatoria de 400 personas,
obteniéndose los siguientes resultados:
Opinión muy bueno bueno regular malo muy malo
Frecuencia 25 60 175 120 20
Probar si la opinión de los televidentes respecto al nuevo programa humorístico no se distribuye en la
proporción: 2:4:6:5:3. Use = 0.01
(Presente las hipótesis, p-valor, el estadístico de prueba, el criterio de decisión y la conclusión).
Con R:
##### Prueba de Frecuencias
tabla <- c(25,60,175,120,20) # Frecuencias observadas
prob <- c(2,4,6,5,3)/20 # 20 es la suma de los valores
[Link](tabla,p=prob)
RESULTADO:
Chi-squared test for given probabilities
data: tabla
X-squared = 66.5, df = 4, p-value = 1.243e-13
#### Cálculo del valor crítico
library(fastGraph)
shadeDist(qchisq(0.01, 4, [Link]=F),
"dchisq", 4, [Link]=F)
Resultado:
Hipótesis:
H0: Los datos siguen la distribución indicada: pX1 = 0.10, pX2 = 0.20, pX3 = 0.30, pX4 = 0.25, pX5 =0.15
H1: Los datos no siguen la distribución indicada
α=0.01
Estadístico de prueba:
02 = 66.5
1
Valor crítico: (24, 0.99 ) = 13.3
Criterio de decisión: Se rechaza H0 si 02 (24,0.99 )
Conclusión: Se rechaza H0. Por lo tanto, la opinión de los televidentes respecto al nuevo programa
humorístico no se distribuye en la proporción: 2:4:6:5:3, al nivel de significación de 0.01.
2. La empresa de medición de rating Televisivo Ibote Time, durante las primeras 13 semanas de la
temporada de televisión, registró las audiencias de sábado por la noche, de 8:00 p.m. a 9:00 pm. como
sigue: ABC 29%, CBS 28%, NBC 25% y otros 18%. Dos semanas después, una muestra de 300 hogares
seleccionados aleatoriamente arrojó los siguientes resultados de audiencia: ABC 95 hogares, CBS 70
hogares, NBC 89 hogares y otros 46 hogares. Pruebe, con nivel de significación 0.05, si han cambiado
las proporciones de telespectadores.
(Presente las hipótesis, pvalor- el estadístico de prueba, el criterio de decisión y la conclusión).
H0: pX1 = 0.29, pX2 = 0.28, pX3 = 0.25, pX4 = 0.18→ No cambiaron las proporciones de
telespectadores
H1: Al menos un pXi diferente a los mostrado → Si cambiaron las proporciones de telespectadores
α=0.05
Estadístico de prueba: Chi-cuadrado = 6.8675
##### Prueba de Frecuencias
> tabla1 <- c(95,70,89,46) # Frecuencias observadas
> prob1 <- c(0.29,0.28,0.25,0.18)
> [Link](tabla1,p=prob1)
Chi-squared test for given probabilities
data: tabla1
X-squared = 6.8675, df = 3, p-value = 0.07624
Criterio de decisión con valor crítico: V.C. = 7.814728
#### Cálculo del valor crítico
library(fastGraph)
shadeDist(qchisq(0.05, 3, [Link]=F), "dchisq", 3, [Link]=F)
Conclusión: El estadístico de prueba (6.8675) es menor que el valor crítico (7.814728), entonces no
se rechaza H0. Por lo tanto, se puede concluir con un nivel de significación de 0.05 que no
cambiaron las proporciones de telespectadores.
3. El encargado de abastecimiento de la empresa “La Eléctrica” evaluó la procedencia del material utilizado
para fabricar su producto final. Eligió al azar 120 bolsas que no fueron etiquetadas y posteriormente con
2
un listado impreso contabilizó la procedencia del material según proveedor. Los resultados se presentan
agrupados en la siguiente tabla:
Proveedor Alfa Beta Gamma Delta
N° de bolsas 34 32 28 26
Pruebe si la proporción de la procedencia del material para la elaboración del producto final no es la
misma. Use =0.02.
(Presente las hipótesis, p-valor, el estadístico de prueba, el criterio de decisión y la conclusión).
H0: pX1 = 0.25, pX2 = 0.25, pX3 = 0.25, pX4 = 0.25→ La proporción es la misma
H1: Al menos un pXi diferente a los mostrado → La proporción no es la misma
α=0.02
Estadístico de prueba: Chi-cuadrado = 1.3333
##### Prueba de Frecuencias
tabla2 <- c(34,32,28,26) # Frecuencias observadas
prob2 <- c(0.25,0.25,0.25,0.25)
[Link](tabla2,p=prob2)
RESULTADO:
Chi-squared test for given probabilities
data: tabla2
X-squared = 1.3333, df = 3, p-value = 0.7212
#### Cálculo del valor crítico
library(fastGraph)
shadeDist(qchisq(0.02, 3, [Link]=F), "dchisq", 3, [Link]=F)
[1] 9.837409 ## valor crítico (la corrida del código resaltado en amarillo)
Conclusión: El estadístico de prueba cae en la región de aceptación. Se acepta H0, por lo tanto, se
puede concluir que la proporción de la procedencia del material para la elaboración del producto
final sí es la misma.
4. El gerente de operaciones de BANCAMEX, entidad financiera que opera a nivel nacional, quiere estudiar
el número de solicitudes de crédito recibidas por día durante los últimos 300 días. El gerente presentó
el siguiente cuadro:
# Solicitudes de crédito 0 1 2 3 4 5 o más
Frecuencia (número de días) 50 77 81 48 31 13
3
¿Sería razonable concluir que la distribución del número de solicitudes diarias de préstamo no es del tipo
Poisson? Use el nivel de significación del 5%.
(Presente las hipótesis, p-valor, el estadístico de prueba, el criterio de decisión y la conclusión).
5. El gerente de un restaurante estudia las llegadas de sus clientes a su negocio. Luego de anotar el
número de clientes que llegaron por hora durante un número de horas seleccionadas al azar, se
obtuvieron los siguientes resultados:
Número de llegadas 0 1 2 3 4 ó más
Número de horas 10 15 26 31 18
¿Podemos concluir que las llegadas de los clientes al negocio se ajustan a la distribución de Poisson? Use
un nivel de significación del 3%.
(Presente las hipótesis, p-valor, el estadístico de prueba, el criterio de decisión y la conclusión).
6. Suponga que el número de llamadas telefónicas que entran al conmutador de la empresa
Comunicaciones S.A. durante intervalos de un minuto tiene una distribución de Poisson.
Los resultados obtenidos de analizar una muestra aleatoria de 100 intervalos de un minuto de duración
son los siguientes:
N° llamadas que entran c/min., X 0 1 2 3 4 5 6
Frecuencia observada 15 31 20 15 13 4 2
Use nivel de significación 0,02 y los siguientes datos para probar la hipótesis de que las llamadas que
entran no tienen distribución de Poisson
(Presente las hipótesis, p-valor, el estadístico de prueba, el criterio de decisión y la conclusión).
Prueba de Independencia – Homogeneidad de Proporciones:
7. Una socióloga estuvo investigando esta cuestión: ¿existe alguna relación entre el nivel de Instrucción
alcanzado y el nivel de actividad social de una persona? Decidió manejar tres niveles de Instrucción:
primaria, Secundaria y Superior. Cada persona llevó un registro de sus actividades sociales, como jugar
boliche en grupo, asistir a bailes, eventos sociales, ceremonias religiosas, etc. La socióloga los dividió
en actividad social inferior al promedio, actividad social promedio y actividad social superior al promedio.
Los resultados de su muestra se dan en la siguiente tabla:
Nivel de Actividad Social
Grado de Instrucción Superior al promedio Promedio Inferior al promedio
Superior 200 100 100
Secundaria 300 500 800
Primaria 100 600 1300
¿Cuál será la conclusión de esta socióloga, en base a esta muestra aleatoria y un 5% de significancia?
Hipótesis:
H0: El nivel de instrucción y el nivel de actividad social son independientes (No hay relación)
H1: El nivel de instrucción y el nivel de actividad social no son independientes (Si hay relación)
Nivel de significancia: α = 0.05
Estadístico de prueba: Chi-Squared = 588.26
Regla de decisión: Se rechaza H0 si el estadístico de prueba es mayor que el valor crítico.
Valor crítico: 9.49
4
Decisión y conclusión: Se rechaza H0, el nivel de instrucción y el nivel de actividad social no
son independientes, al 5% de significación. (Están relacionados)
CON R:
##### Prueba de Independencia
tabla4<-matrix(c(200,300,100,100,500,600,100,800,1300), nrow = 3)
tabla4
[Link](tabla4)
#### Cálculo del valor crítico
library(fastGraph)
shadeDist(qchisq(0.05, 4, [Link]=F),
"dchisq", 4, [Link]=F)
RESULTADOS:
Pearson's Chi-squared test
data: tabla4
X-squared = 588.26, df = 4, p-value < 2.2e-1
8. En el estudio de un taller, se obtuvo un conjunto de datos para determinar si la proporción de artículos
defectuosos producidos por los trabajadores era la misma durante el día, la tarde o la noche. Se
encontraron los siguientes resultados luego de obtener muestras de artículos de diferentes turnos:
TURNO
Condición
Día Tarde Noche
Defectuosos 45 55 70
No defectuosos 905 890 870
Utilice un nivel de significación del 5% para determinar si la proporción de artículos defectuosos no es la
misma para los tres turnos.
H0: La proporción de defectuosos es la misma en los tres turnos
H1: La proporción de defectuosos no es la misma en los tres turnos
Nivel de significancia: α = 0.05
Estadístico de prueba: χ2 = 6.234
Valor crítico: V.C. = 5.991
5
Con p-valor: 0.04429
Conclusión: Se rechaza H0. La proporción de defectuosos no es la misma en los tres turnos.
tabla5<-matrix(c(45,905,55,890,70,870), nrow = 2)
tabla5
[Link](tabla5)
#### Cálculo del valor crítico
library(fastGraph)
shadeDist(qchisq(0.05, 2, [Link]=F),
"dchisq", 2, [Link]=F)
RESULTADOS:
tabla5
[,1] [,2] [,3]
[1,] 45 55 70
[2,] 905 890 870
[Link](tabla5)
Pearson's Chi-squared test
data: tabla5
X-squared = 6.2339, df = 2, p-value = 0.04429
10. En una muestra aleatoria de 100 estudiantes universitarios, se clasificó cada uno de ellos según si había
fumado alguna vez cigarrillo o no y según el promedio de sus notas. La siguiente tabla muestra los
resultados:
Promedio de Ha fumado cigarrillo
Total
notas Sí No
≤ 10 45 7 52
> 10 30 18 48
Total 75 25 100
¿Proporcionan estos datos evidencia suficiente como para concluir que hay alguna relación entre las dos
variables? Use α = 0.03.
Hipótesis:
H0: El promedio y la condición de fumador son independientes (No hay relación)
H1: El promedio y la condición de fumador no son independientes (Si hay relación)
Nivel de significancia: α = 0.03
Estadístico de prueba: Chi-Squared = 6.4637
##### Prueba de Independencia
tabla5<-matrix(c(45,30,7,18), nrow = 2)
tabla5
[Link](tabla5)
Pearson's Chi-squared test with Yates' continuity
correction
data: tabla5
X-squared = 6.4637, df = 1, p-value = 0.01101
#### Cálculo del valor crítico
library(fastGraph)
6
shadeDist(qchisq(0.03, 1, [Link]=F),
"dchisq", 1, [Link]=F)
[1] 4.709292 ## valor crítico
Conclusión: El estadístico de prueba cae en la región de rechazo, se rechaza H0. Se puede concluir
que el promedio y la condición de fumador no son independientes (Si hay relación).
Como el p-valor = 0.01101 es menor que alfa, se rechaza H0.
11. El gerente de mercadotecnia de CABLEVISION está interesado en determinar si hay alguna diferencia en
la proporción de hogares que contratan los servicios de televisión por cable, sobre la base del tipo de
residencia (vivienda unifamiliar, condominios y departamentos). Se seleccionan muestras de hogares
según su tipo de residencia, obteniéndose los siguientes resultados:
Tiene TV Tipo de Residencia
Total
por cable Unifamiliar Condominio Departamento
Si 94 39 77 210
No 56 36 98 190
Total 150 75 175 400
Pruebe si hay alguna diferencia en la proporción de hogares que contratan los servicios de televisión por
cable, sobre la base del tipo de residencia. Use = 0.05.
H0: La proporción de hogares con cable es la misma en los tres tipos de residencia
H1: La proporción de hogares con cable no es la misma en los tres tipos de residencia
Nivel de significancia: α = 0.05
Estadístico de prueba: χ2= 11.295
tabla6<-matrix(c(94,56,39,36,77,98), nrow = 2)
tabla6
[Link](tabla6)
#### Cálculo del valor crítico
library(fastGraph)
shadeDist(qchisq(0.05, 2, [Link]=F),
"dchisq", 2, [Link]=F)
RESULTADOS:
Pearson's Chi-squared test
7
data: tabla6
X-squared = 11.295, df = 2, p-value = 0.003526
Conclusión: Como el estadístico de prueba es mayor al valor crítico, se rechaza H 0, por lo tanto, si hay
diferencia en la proporción de hogares que contratan los servicios de televisión por cable, sobre la base
del tipo de residencia, al nivel de significación de 0.05.
Por otra parte también se puede usar el p-valor como criterio de decisión, y observamos que el [Link]
(0.003526) es menor que alfa, entonces se rechaza H0.